CN108995648A - 自动驾驶方法和智能车 - Google Patents

Abstract

本申请公开了一种自动驾驶方法和智能车。所述自动驾驶方法包括获取智能车行驶车道的车道图像；在车道图像中识别出位于智能车两侧的左车道线和右车道线；基于左车道线和右车道线测算出基准参照点；确定智能车的基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值；以偏差角度值调整智能车基于行车数据的行驶方向。本申请通过图像处理纠偏，使得智能车在自动行驶运行中，由于码盘或转向舵机带来的采集行车数据因物理误差累积使得车辆脱离车道的问题得到纠偏。

Description

自动驾驶方法和智能车

技术领域

本申请涉及智能车技术领域，具体而言，涉及一种自动驾驶方法和智能车。

背景技术

人工智能技术发展迅速，尤其是人工智能在汽车上的应用，通过在汽车上加装视频系统、处理系统等，可以实现汽车的无人驾驶，这种无人驾驶汽车统称为智能车，目前，大量的科技公司向智能车领域投入大量成本，使得智能车快速发展。

目前，麦克纳姆轮智能车是由四个带有码盘的电机以及四个麦克纳姆轮所组成的。带有码盘的电机可以获取电机所转圈数，利用电机转动圈数可以计算出车轮转速。从而可以精确控制车速以及获取智能车的位移量。在四个车轮以相同速度前进时智能车则以该速度精确保持直线行驶并获取行进距离。

在实施本申请实施例的过程中，发明人发现相关技术至少存在以下问题：

相关技术中，智能车运行时间过长时，码盘或转向舵机采集的行车数据会因物理误差累积使得车辆脱离车道，从而导致智能车无法正常运行。

发明内容

本申请的主要目的在于提供一种自动驾驶方法和智能车，以解决智能车运行时间过长时，码盘或转向舵机采集的行车数据会因物理误差累积使得车辆脱离车道的问题。

为了实现上述目的，第一方面，本申请实施例提供了一种自动驾驶方法，包括：

获取智能车行驶车道的车道图像；

在车道图像中识别出位于智能车两侧的左车道线和右车道线；

基于左车道线和右车道线测算出基准参照点；

确定智能车的基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值；

以偏差角度值调整智能车基于行车数据的行驶方向。

可选地，基于左车道线和右车道线测算出基准参照点，包括：

将左车道线上的中点作为第一参照点，以及将右车道线上的中点作为第二参照点；

测算出第一参照点和第二参照点之间的中点作为基准参照点。

可选地，以偏差角度值调整智能车基于行车数据的行驶方向，包括：

判断偏差角度值是否小于偏差阈值；

当偏差角度值小于偏差阈值时，执行以该偏差角度值调整智能车基于码盘数据的行驶方向。

可选地，本自动驾驶方法还包括：

确定车道图像中是否存在标识线；

车道图像中存在标识线时，测算基准点至标识线的标识距离；

以标识距离调整智能车基于行车数据的行进值。

可选地，行车数据包括码盘数据或转向舵机数据。

第二方面，本申请实施例还提供了一种智能车，包括：

获取模块，用于获取智能车行驶车道的车道图像；

识别模块，用于在车道图像中识别出位于智能车两侧的左车道线和右车道线；

第一测算模块，用于基于左车道线和右车道线测算出基准参照点；

第一确定模块，用于确定智能车的基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值；

第一调整模块，用于以偏差角度值调整智能车基于行车数据的行驶方向。

可选地，第一测算模块，用于：

将左车道线上的中点作为第一参照点，以及将右车道线上的中点作为第二参照点；

测算出第一参照点和第二参照点之间的中点作为基准参照点。

可选地，第一调整模块，用于：

判断偏差角度值是否小于偏差阈值；

当偏差角度值小于偏差阈值时，执行以该偏差角度值调整智能车基于行车数据的行驶方向。

可选地，本智能车还包括：

第二确定模块，用于确定车道图像中是否存在标识线；

第二测算模块，用于当车道图像中存在标识线时，测算基准点至标识线的标识距离；

第二调整模块，用于以标识距离调整智能车基于行车数据的行进值。

可选地，行车数据包括码盘数据或转向舵机数据。

在本申请实施例中，采用识别车道图像的方式，在车道图像中确定出基准参照点，再通过基准参照点获取智能车的偏差角度值；达到了根据偏差角度值实时调整智能车基于行车数据的行驶方向的目的，从而实现了确保智能车始终沿着车道行驶的的技术效果，进而本申请通过图像处理纠偏，使得智能车在自动行驶运行中，由于码盘或转向舵机带来的采集行车数据因物理误差累积使得车辆脱离车道的问题得到纠偏。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种自动驾驶方法的流程图；

图2是根据本申请实施例的步骤S130的流程图；

图3是根据本申请实施例的步骤S150的流程图；

图4是根据本申请实施例的另一种自动驾驶方法的流程图；

图5是根据本申请实施例的一种智能车的结构示意图；

图6是根据本申请实施例的另一种智能车的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“左”、“右”、“前”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本发明中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本发明实施例提供了一种自动驾驶方法，该方法的执行主体包括一个智能车，该智能车中设有带有码盘的电机，带有码盘的电机可以获取电机所转圈数，利用电机转动圈数可以计算出智能车车轮转速，获取无人车的位移量并控制车辆行驶方向；该智能车中也可以设置转向舵机，通过该转向舵机可以计算出智能车车轮转速，获取无人车的位移量并控制车辆行驶方向。该智能车至少包括至少一个视频摄像头、数据接口、处理器、存储器、通行驶模块等，其中，视频摄像头主要用于采集智能车所在车道图像。存储器用于存储二维数组定义地图，智能车通过码盘计数，获取自身的位移量，并且定义当前状态下智能车通过当前坐标以及其位移量和状态量即可获取移动后的坐标。例如智能车当前朝向Y轴负方向，并行驶了2个单位，即坐标值Y-2，X轴不变，这样，可以通过当前坐标即可在二维数组定义地图中规划行驶路线。

如图1所示，该方法包括如下的步骤S110至步骤S130：

S110，获取智能车行驶车道的车道图像。

在实施中，可以通过智能车上的视频摄像头采用智能车前方车道的车道图像。其中，车道上应包括至少二条车道线，智能车行驶在车道线之间。

S120，在车道图像中识别出位于智能车两侧的左车道线和右车道线。

在实施中，位于智能车左侧最接近智能车的车道线即为左车道线，位于智能车右侧最接近智能车的车道线即为右车道线，应用图像识别技术即可在车道图像中识别出左车道线和右车道线。

S130，基于左车道线和右车道线测算出基准参照点。

在实施中，根据识别出的左车道线和右车道线可以获得多种数据，例如平行于左车道线和右车道线且位于左车道线和右车道线中间的中心线，应使本智能车沿着该中心线行驶，这样，基准参照点可以为该中心线上的一个点，通过该基准参照点作为修正智能车行驶方向的基础。

S140，确定智能车的基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值。

在实施中，智能车的基准点可以为车辆中轴线上的一点，视频摄像头可以设置在该基准点上，基准方向即为车辆行驶方向，该行驶方向应与车辆中轴线所在直线方向重合，当基准点为左车道线和右车道线之间中心线上的一点时，基准点至基准参照点的连线应为下一时刻智能车行驶的路线，基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值即为智能车行驶方向需要调整的方向。

S150，以偏差角度值调整智能车基于行车数据的行驶方向。

在本实施中，可选地，该行车数据包括码盘数据或转向舵机数据，其中，码盘数据为由码盘获取的数据，转向舵机数据为由转向舵机数据获取的数据，随着智能车运行时间增长，会导致码盘数据或转向舵机数据的物理误差累积，智能车开始偏离预设行车路径，根据该测算的偏差角度值可以及时修正智能车的行车路径，使得本智能车始终沿着车道行驶，本智能车不会因码盘或转向舵机采集的行车数据的物理误差累积使得智能车脱离车道。

可选地，在一个可行的实施方案中，图2为本申请提供的一种步骤S130 的流程图，如图2所示，S130，基于左车道线和右车道线测算出基准参照点，包括如下步骤S131和步骤S132：

S131，将左车道线上的中点作为第一参照点，以及将右车道线上的中点作为第二参照点；

S132，测算出第一参照点和第二参照点之间的中点作为基准参照点。

具体地，在车道图像中识别的左车道线上测算左车道线上的中点位置，并将该中点位置作为第一参照点，以及，在车道图像中识别的右车道线上测算右车道线上的中点位置，并将该中点位置作为第二参照点，绘制第一参照点至第二参照点的连线，并测算该连线的中点，将该中点作为基准参照点。

可选地，在一个可行的实施方案中，图3为本申请提供的一种步骤S150 的流程图，如图3所示，S150，以偏差角度值调整智能车基于行车数据的行驶方向，包括如下步骤S151和步骤S152：

S151，判断偏差角度值是否小于偏差阈值；

S152，当偏差角度值小于偏差阈值时，执行以该偏差角度值调整智能车基于行车数据的行驶方向。

具体地，当偏差角度值小于偏差阈值时，执行步骤S152，以该偏差角度值调整智能车基于行车数据的行驶方向。其中，因测算的偏差角度值可能受某些外界因素干扰，导致偏差角度值不准确，这种偏差角度值一般会比较大，因此，根据经验可以测算偏差阈值，当测得的偏差角度值大于或等于偏差阈值时，则该偏差角度值不可信，不执行对应该偏差角度值的步骤S152。

可选地，在一个可行的实施方案中，图4为本申请提供的另一种自动驾驶方法的流程图，本自动驾驶方法还包括如下步骤S160至步骤S180：

S160，确定车道图像中是否存在标识线；

S170，车道图像中存在标识线时，测算基准点至标识线的标识距离；

S180，以标识距离调整智能车基于行车数据的行进值。

在本实施例中，标识线即为车道上的车辆停止线。具体地，确定车道图像中是否存在标识线，当车道图像中存在标识线时，即智能车到了行车路线上一个节点，行车数据中包括有对应该节点的行进值，如当智能车达到标识线时，行车数据的行进值不等于对应该节点的行进值时，重置行车数据将对应该节点的行进值作为当前行车数据的行进值。

在本实施例中，本自动驾驶方法通过S110，获取智能车行驶车道的车道图像；S120，在车道图像中识别出位于智能车两侧的左车道线和右车道线；S130，基于左车道线和右车道线测算出基准参照点；S140，确定智能车的基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值；S150，以偏差角度值调整智能车基于行车数据的行驶方向。这样，采用识别车道图像的方式，在车道图像中确定出基准参照点，再通过基准参照点获取智能车的偏差角度值；达到了根据偏差角度值实时调整智能车基于行车数据的行驶方向的目的，从而实现了确保智能车始终沿着车道行驶的的技术效果，进而本申请通过图像处理纠偏，使得智能车在自动行驶运行中，由于码盘或转向舵机带来的采集行车数据因物理误差累积使得车辆脱离车道的问题得到纠偏。

基于相同的技术构思，本申请实施例还提供了一种智能车，如图5所示，包括：

获取模块10，用于获取智能车行驶车道的车道图像；

识别模块20，用于在车道图像中识别出位于智能车两侧的左车道线和右车道线；

第一测算模块30，用于基于左车道线和右车道线测算出基准参照点；

第一确定模块40，用于确定智能车的基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值；

第一调整模块50，用于以偏差角度值调整智能车基于行车数据的行驶方向。

可选地，第一测算模块30，用于：

将左车道线上的中点作为第一参照点，以及将右车道线上的中点作为第二参照点；

测算出第一参照点和第二参照点之间的中点作为基准参照点。

可选地，第一调整模块50，用于：

判断偏差角度值是否小于偏差阈值；

当偏差角度值小于偏差阈值时，执行以该偏差角度值调整智能车基于行车数据的行驶方向。

可选地，如图6所示，本智能车还包括：

第二确定模块60，用于确定车道图像中是否存在标识线；

第二测算模块70，用于当车道图像中存在标识线时，测算基准点至标识线的标识距离；

第二调整模块80，用于以标识距离调整智能车基于行车数据的行进值。

在本实施例中，本智能车获取模块10，用于获取智能车行驶车道的车道图像；识别模块20，用于在车道图像中识别出位于智能车两侧的左车道线和右车道线；第一测算模块30，用于基于左车道线和右车道线测算出基准参照点；第一确定模块40，用于确定智能车的基准点至基准参照点的连线与智能车的基准方向之间的偏差角度值；第一调整模块50，用于以偏差角度值调整智能车基于行车数据的行驶方向。这样，采用识别车道图像的方式，在车道图像中确定出基准参照点，再通过基准参照点获取智能车的偏差角度值；达到了根据偏差角度值实时调整智能车基于行车数据的行驶方向的目的，从而实现了确保智能车始终沿着车道行驶的的技术效果，进而本申请通过图像处理纠偏，使得智能车在自动行驶运行中，由于码盘或转向舵机带来的采集行车数据因物理误差累积使得车辆脱离车道的问题得到纠偏。

基于相同的技术构思，本申请实施例还提供了一种计算机可读存储介质，本计算机可读存储介质存储有计算机代码，当计算机代码被执行时，如上述的自动驾驶方法被执行。

基于相同的技术构思，本申请实施例还提供了一种计算机程序产品，当本计算机程序产品被计算机设备执行时，如上述的自动驾驶方法被执行。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种自动驾驶方法，其特征在于，所述方法包括：

获取智能车行驶车道的车道图像；

在所述车道图像中识别出位于所述智能车两侧的左车道线和右车道线；

基于所述左车道线和所述右车道线测算出基准参照点；

确定所述智能车的基准点至所述基准参照点的连线与所述智能车的基准方向之间的偏差角度值；

以所述偏差角度值调整所述智能车基于行车数据的行驶方向。

2.根据权利要求1所述的自动驾驶方法，其特征在于，所述基于所述左车道线和所述右车道线测算出基准参照点，包括：

将所述左车道线上的中点作为第一参照点，以及将所述右车道线上的中点作为第二参照点；

测算出所述第一参照点和所述第二参照点之间的中点作为基准参照点。

3.根据权利要求1所述的自动驾驶方法，其特征在于，所述以所述偏差角度值调整所述智能车基于行车数据的行驶方向，包括：

判断所述偏差角度值是否小于偏差阈值；

当所述偏差角度值小于偏差阈值时，执行以该偏差角度值调整所述智能车基于行车数据的行驶方向。

4.根据权利要求1所述的自动驾驶方法，其特征在于，所述方法还包括：

确定所述车道图像中是否存在标识线；

所述车道图像中存在标识线时，测算所述基准点至所述标识线的标识距离；

以所述标识距离调整所述智能车基于行车数据的行进值。

5.根据权利要求1-4任一项所述的自动驾驶方法，其特征在于，所述行车数据包括码盘数据或转向舵机数据。

6.一种智能车，其特征在于，所述智能车包括：

获取模块，用于获取智能车行驶车道的车道图像；

识别模块，用于在所述车道图像中识别出位于所述智能车两侧的左车道线和右车道线；

测算模块，用于基于所述左车道线和所述右车道线测算出基准参照点；

第一确定模块，用于确定所述智能车的基准点至所述基准参照点的连线与所述智能车的基准方向之间的偏差角度值；

第一调整模块，用于以所述偏差角度值调整所述智能车基于行车数据的行驶方向。

7.根据权利要求6所述的智能车，其特征在于，所述第一测算模块，用于：

将所述左车道线上的中点作为第一参照点，以及将所述右车道线上的中点作为第二参照点；

测算出所述第一参照点和所述第二参照点之间的中点作为基准参照点。

8.根据权利要求6所述的智能车，其特征在于，所述第一调整模块，用于：

判断所述偏差角度值是否小于偏差阈值；

当所述偏差角度值小于偏差阈值时，执行以该偏差角度值调整所述智能车基于行车数据的行驶方向。

9.根据权利要求6所述的智能车，其特征在于，所述智能车还包括：

第二确定模块，用于确定所述车道图像中是否存在标识线；

第二测算模块，用于当所述车道图像中存在标识线时，测算所述基准点至所述标识线的标识距离；

第二调整模块，用于以所述标识距离调整所述智能车基于行车数据的行进值。

10.根据权利要求6-9任一项所述的智能车，其特征在于，所述行车数据包括码盘数据或转向舵机数据。